| DC 欄位 |
值 |
語言 |
| DC.contributor | 統計研究所 | zh_TW |
| DC.creator | 陳錦華 | zh_TW |
| DC.creator | Jin-Hua Chen | en_US |
| dc.date.accessioned | 2005-6-29T07:39:07Z | |
| dc.date.available | 2005-6-29T07:39:07Z | |
| dc.date.issued | 2005 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=89225014 | |
| dc.contributor.department | 統計研究所 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 本文主要是在病例－對照研究下，利用貝氏分析的方法，討論危險因子（包括和基因相關之“致病基因＂及非基因相關之“環境因子＂）及疾病的關係。我們欲利用和目前研究有高度相似性的歷史資料，當為我們的事前分配的訊息，引入power prior 當為事前分配，它可以將歷史資料的訊息納入。
首先，討論在族群符合Hardy-Weinberg Equilibrium (HWE)及條件獨立的假設下，研究：1.單一基因座及疾病之關係； 2 .單一基因座、環境因子和疾病之關係。以上兩情況下，在病例－對照研究的資料及假設條件下，如何建構模型，以得到概似函數？另外，如何引入power prior 當為事前分配？如此則能進行貝氏分析。此為我們討論的目標之一。
再者，在一般化的情況下（不須在HWE 及條件獨立的假設），當危險因子（離散型變數或連續型變數離散化）的個數或類別很多時，則參數個數亦會增加，在估計上會遇到難以估計參數的問題；如何將我們沒有興趣的干擾參數消除，以簡化參數的個數，使得在貝氏分析的估計上能更有效率。
以上兩的主題皆利用power prior，可視為歷史資料的概似函數，不但包含了歷史資料的訊息且也保留了資料的模型結構，在使用上是十分簡便的。 | zh_TW |
| DC.subject | 交互作用 | zh_TW |
| DC.subject | 勝算比 | zh_TW |
| DC.subject | 病例－對照研究 | zh_TW |
| DC.subject | 邏輯斯迴歸 | zh_TW |
| DC.subject | 輪廓概似函數 | zh_TW |
| DC.subject | 貝氏 | zh_TW |
| DC.subject | Bayesian | en_US |
| DC.subject | profile likelihood function | en_US |
| DC.subject | case-only design | en_US |
| DC.subject | odds ratio | en_US |
| DC.subject | interaction | en_US |
| DC.subject | case-control study | en_US |
| DC.subject | logistic regression | en_US |
| DC.title | 病例－對照研究之貝氏分析 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.title | Analysis of case-control studies using Bayesian approach | en_US |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |